Seurat使用

R中Seurat常规操作

Seurat pipline

背景

Seurat 是一个R包，专为单细胞RNA-seq数据的QC、分析和探索而设计。Seurat旨在使用户能够从单细胞转录组学测量中识别和解释异质性来源，并整合不同类型的单细胞数据。

Seurat V5

Seurat 是由 Andrew Satija 实验室开发并维护的、最流行和最具影响力的单细胞数据分析软件包之一，它的发展历史与单细胞测序技术本身的进步紧密相连。

• Seurat 在 2015 年首次发布，最初主要用于流式细胞仪（FACS）分选的细胞群体和早期低通量单细胞测序数据的分析。
• V2 标志着 Seurat 成为一个完整的 scRNA-seq 分析流程工具。它整合了单细胞分析的关键步骤：
  • 质量控制 (QC)： 基于基因数和 UMI 计数进行筛选。
  • 归一化与数据缩放： 处理计数数据的异质性。
  • 降维： 引入 主成分分析 (PCA)。
  • 聚类分析： 用于鉴定细胞类型。
  • 可视化： 使用 t-SNE 进行二维可视化。
• Seurat V3 (2018年 - 2020年)：数据整合与多模态分析
  • 引入 “整合” (Integration) 功能，使用 CCA (Canonical Correlation Analysis) 和 MNN (Mutual Nearest Neighbors) 等方法，有效地去除批次效应
  • 采用更擅长保留全局结构的 UMAP (Uniform Manifold Approximation and Projection) 替代 t-SNE 作为默认降维可视化方法。
• V4：空间数据整合
  • 新增空间转录组支持： 随着 空间转录组学 技术（如 Visium）的兴起，V4 专门加入了处理和分析具有空间位置信息的单细胞数据的模块。
  • 多模态和对象结构优化： 进一步优化了多模态数据处理流程。
• V5: 统一数据结构与多组学框架
  • V5 的目标是提供一个更加统一和灵活的框架（新的 Assay 对象结构），以适应所有形式的单细胞和空间多组学数据（如 scATAC-seq、空间蛋白组学、scRNA-seq 等）
  • SeuratObject 结构： 增强了底层数据结构，使得数据的存储和管理更加模块化和高效，便于同时管理和分析多种组学数据

1. Install